A) Geração de números aleatórios B) Resolver equações C) Contagem de números primos D) Minimizar ou maximizar uma função objetivo
A) O resultado final B) O palpite inicial C) Limitação das soluções possíveis D) A fórmula matemática
A) Minimização B) Simplificação C) Randomização D) Maximização
A) O conjunto de todas as soluções viáveis B) A região com o valor máximo C) O espaço de solução D) A área fora dos condicionalismos
A) Uma solução sem restrições B) Uma solução aleatória C) Uma solução que satisfaz todas as restrições D) Uma solução incorrecta
A) Uma operação matemática aleatória B) Função a ser optimizada ou minimizada C) Uma função de restrição D) Uma equação sem variáveis
A) Recozimento simulado B) Método Simplex C) Adivinhar e verificar D) Tentativa e erro
A) Seleciona o melhor algoritmo B) Gera soluções aleatórias C) Avalia o impacto das alterações dos parâmetros na solução D) Encontra o ótimo global
A) Projeto de algoritmos B) Maximização de funções C) Programação matemática D) Análise quantitativa
A) Uma: otimização geral. B) Três: programação linear, programação não linear e programação inteira. C) Quatro: otimização combinatória, otimização estocástica, otimização dinâmica e otimização robusta. D) Duas: otimização discreta e otimização contínua.
A) Programação não linear B) Otimização discreta C) Programação linear D) Otimização contínua
A) Otimização contínua B) Otimização combinatória C) Programação inteira D) Otimização discreta
A) John von Neumann B) Fermat C) George B. Dantzig D) Leonid Kantorovich
A) O tomador de decisão B) O projetista do sistema C) O algoritmo de otimização D) Um avaliador externo
A) Métodos do ponto interior B) Algoritmos de otimização quântica C) Aproximação estocástica por perturbação simultânea (SPSA) D) Método da elipsoide
A) Condições de segunda ordem B) Condições de primeira ordem C) As condições de Karush-Kuhn-Tucker D) Condições de viabilidade
A) Regiões de confiança. B) Métodos de ponto interior. C) Relaxamento lagrangiano. D) Buscas ao longo de linhas.
A) Ignorando os objetivos de menor importância. B) Por meio da análise de dados históricos. C) Através de sessões interativas com o tomador de decisão. D) Automaticamente, pelo próprio algoritmo.
A) Variáveis discretas. B) Variáveis binárias. C) Matrizes semidefinidas. D) Variáveis contínuas.
A) Reduz o número de soluções. B) Simplifica o problema. C) Elimina os compromissos (trade-offs). D) Aumenta a complexidade.
A) 4 B) 1 C) 5 D) 3
A) Otimização local B) Programação linear C) Matemática discreta D) Otimização global
A) 1950 B) 1939 C) 1947 D) 1960
A) Ótimo de Pareto B) Inferior C) Ineficiente D) Subótimo
A) Pesquisa operacional B) Engenharia civil C) Modelagem molecular D) Engenharia de controle
A) Não, ela não tem limite superior. B) Sim, é infinito. C) Sim, é 2. D) Sim, é menos infinito.
A) Engenharia, especialmente engenharia aeroespacial. B) Engenharia elétrica. C) Microeconomia. D) Cosmologia e astrofísica.
A) Métodos de descida coordenada B) Aproximação estocástica por perturbação simultânea C) Métodos quase-newtonianos D) Descida do gradiente
A) Otimização multimodada. B) O problema de viabilidade. C) O problema de existência. D) Otimização global.
A) x = ∞ B) x = 0 C) x = -1 D) x = 1
A) Relaxamento lagrangiano. B) Regiões de confiança. C) Buscas diretas (ou métodos de busca linear). D) Estimativa de momento positivo-negativo. |